具有循环跳跃连接与残差回归的降噪自编码器用于音乐源分离
声音
2018-07-07 v1 音频与语音处理
摘要
具有跳跃连接的卷积神经网络在音乐源分离中表现出良好性能。本工作中，我们提出一种具有循环跳跃连接(ARC)的降噪自编码器。我们在全卷积网络的所有层中沿时频特征图的时间轴使用一维卷积。一维卷积的使用使得可以将循环层应用于卷积层的中间输出。此外，我们还提出了一种增强网络和残差回归方法以进一步改善分离结果。循环跳跃连接、增强模块和残差回归均提升了分离质量。带有残差回归的ARC模型在SiSEC 2018的MUSDB上于人声取得5.74的信号失真比(SDR)。我们还在较旧的数据集DSD100(用于SiSEC 2016)上单独评估了ARC模型，其人声SDR达到5.91。
引用
@article{arxiv.1807.01898,
title = {Denoising Auto-encoder with Recurrent Skip Connections and Residual Regression for Music Source Separation},
author = {Jen-Yu Liu and Yi-Hsuan Yang},
journal= {arXiv preprint arXiv:1807.01898},
year = {2018}
}